ANADOLU ÜNİVERSİTESİ SOSYAL BİLİMLER DERGİSİ ANADOLU ... · Kendine güven kapsamında...

187

* Afyonkarahisar Kocatepe Üniversitesi, İ.İ.B.F., İşletme Bölümü, e-mail: [email protected]

ANADOLU ÜNİVERSİTESİ SOSYAL BİLİMLER DERGİSİANADOLU UNIVERSITY JOURNAL OF SOCIAL SCIENCES

Cilt/Vol.:7- Sayı/No: 2 : 187-204 (2007)

SATIŞ ELEMANI ADAYLARININ DEĞERLENDİRİLMESİNE VESEÇİMİNE YÖNELİK YENİ BİR YAKLAŞIM: FUZZY TOPSİS

Arş. Grv. Dr. Fatih ECER*

ÖZÇalışmanın amacı Fuzzy TOPSİS yöntemini tanıtmak ve yöntem yardımıyla satış elemanı adayları-

nın nasıl değerlendirildiğini ortaya koymaktır. Çok Kriterli Karar Verme (ÇKKV) yöntemlerinden biriolan ve bulanık ortamlarda grup kararı vermeye olanak tanıyan Fuzzy TOPSİS yönteminin temel man-tığı Fuzzy Pozitif İdeal Çözüm (FPİÇ) ve Fuzzy Negatif İdeal Çözüm (FNİÇ) vasıtasıyla yakınlık katsa-yılarının hesaplanmasıdır. Hesaplanan yakınlık katsayılarına göre alternatifler sıralanır.

Çalışmada, satış elemanı adayları üç karar verici (KV) tarafından yedi karar kriterine göre değer-lendirilmiştir. KV’ler değerlendirmelerini dilsel ifadelerle yapmış, sonra bu ifadeler pozitif yamuk fuzzysayılara dönüştürülmüştür. Çalışma, Fuzzy TOPSİS yönteminin, bir karar aracı olarak, satış elemanıadaylarını değerlendirme ve seçme kararlarında kullanmaya yönelik oldukça uygun bir yöntem oldu-ğunu göstermiştir.

Anahtar kelimeler: Fuzzy TOPSİS, Yamuk Fuzzy Sayılar, Satış Elemanı.

A NEW APPROACH TOWARDS EVAULATION AND SELECTİON OFSALESPERSON CANDIDATES: FUZZY TOPSIS

ABSTRACTThe aim of the study is to introduce Fuzzy TOPSIS method and to show how to benefit it for

evaluation of salesperson candidates. Foundation of Fuzzy TOPSIS method which is one of MultipleCriteria Decision Making (MCDM) methods and to allow group decision-making in fuzzy environmentis calculation of the closeness coefficients by means of Fuzzy Positive Ideal Solution (FPIS) and FuzzyNegative Ideal Solution (FNIS). According to the calculated closeness coefficients, alternatives areranked.

In the study, salesperson candidates were assessed in accordance with seven decision criteria bythree decision makers (DM’s). Decision makers have done their assessments with linguistic variablesthen these variables transformed to positive trapezoidal fuzzy numbers. The study shows that FuzzyTOPSIS method is very well suited method, as a decision tool, towards using for salesperson candidatesevaluation and selection decisions.

Keyword: Fuzzy TOPSIS, Trapezoidal Fuzzy Numbers, Salesperson.

1. GİRİŞ İşletmenin sahip olduğu mal ve hizmetleri sunan ve müşteri ihtiyaçlarını karşılayan bireyler olan satışelemanları, müşteri aramak ve bulmak, bilgi vermek, satış ve satışın gerçekleşmesini sağlamak, satış ön-cesi, anı ve sonrası her türlü konuyla ilgilenmek ve bilgi toplamak gibi görevleri yerine getirirler (Kork-maz ve Cop, 1999, s.282). Diğer bir ifadeyle satış elemanları, işletmeyle müşteriler arasındaki ilişkideönemli bir rol oynarlar (Sharma, 2001, s.128). İyi satış elemanlarını bulmak, seçmek ve işe almak bunedenle işletmelerin başarısı açısından büyük önem taşımaktadır (Taşkın, 1995, s.15).

Satış elemanlığı mesleği, dışa dönüklük ve pek çok zor görevin üstesinden gelinmesini gerektiren birmeslektir (Blackman, 2002, s.241). İşe alınacak bireylerin hangi niteliklere sahip olması gerektiği açıkve net bir şekilde belirlenmelidir. Bunu gerçekleştirmek için başarılı ve başarısız çalışanların nitelikle-rinin ortaya konularak bu niteliklerin performansla olan ilişkisinin belirlenmesine gereksinim duyulur(Aldemir vd., 2001, s.98). Kişilik özelliklerinin eğitimle ya da tecrübeyle değişmesinin çok zor hattaimkansız olması nedeniyle iyi nitelikli adayları bulmak için gerekli para ve çaba harcamak, işletme içinyapılan karlı bir yatırım olarak değerlendirilir (Churchill vd., 1990, s.422-423).

Satış elemanlarının hem işletmelerin başarılı olması hem de müşteri memnuniyetinin sağlanabilmesiiçin taşımaları gereken bazı nitelikler vardır. Müşterilerle iyi iletişim kuracak ve onları etkileyebileceknitelikte bir ses tonuna sahip olmak, kibarlık, güler yüzlü olmak, kendine güven duymak, satış eleman-lığı mesleğine karşı istekli olmak, kendini iyi ifade etmek ve iyi bir fiziksel görünüme sahip olmak buniteliklerdendir.

Ses tonunun etkin kullanımı satış elemanlarında bulunması gereken özelliklerden biridir (Soysal, 2000,s.25). Yapılan bir araştırmaya göre karşı tarafa verilen bir mesajda ses tonunun %38’lik etki oranına sa-hip olduğu belirlenmiştir (Öner, 1999, s.111). Kibarlık kapsamında satış elemanının müşterilere karşı ki-bar olması, bilgi ve saygısını kişiliğine yansıtması, müşterileri rahatsız edebilecek davranışlardan uzakdurması yer alır (Erdoğan, 1999, s.81). Güleryüz, satış elemanının müşteriler üzerinde olumlu bir etkibırakmasına neden olan unsurlardan birisidir (Brown, 1990, s.19). Gülümseyen ve müşteriyi mutlu biryüz ifadesiyle karşılayan bir satış elemanının müşteriyle diyalog kurmasının ve satış yapmasının kolay-laşacağı ifade edilmektedir (Erdoğan, 1999, s.71). Kendine güven kapsamında adayın fiziksel, kişisel vekariyer olarak kendinden emin olması, eleştirilere karşı kendini savunması ve başarılı olacağına inancıyer alır (Churchill vd., 1990, s.390). Adayın bedenini dik tutmasının ve doğrudan göz teması kurmasınınkendine güveninin olduğuna, gövdesini yere eğmesinin ise kendine güveninin olmadığına dair işaretlerolarak algılanabileceği belirtilmektedir (Aldemir vd., 2001, s.129). İş için isteklilik, satış elemanı seçi-minde dikkat edilmesi gereken bir özelliktir (Lee ve Dubinsky, 2003, s.28). Satış yöneticileri arasındayapılan ve işe alacakları satış elemanları arasında aradıkları özellikleri belirlemeyi amaçlayan bir araş-tırmaya göre ilk sırayı satış elemanının işe karşı olan istekliliği almıştır (Taşkın, 1987, s.69). İfade yete-neği satış faaliyetinde, satış elemanının müşteriyi etkilemede kullandığı önemli araçlardan biridir (Erdo-ğan, 1999, s.75). Bu bağlamda satış elemanının müşterilerle iletişim halindeyken doğru cümleler kur-masının ve sözcükleri yerinde kullanabilmesinin önemli olduğu vurgulanmaktadır (Soysal, 2000, s.25).Fiziksel görünüm kapsamında boy, kilo ve dış görünüş yer alır (Churchill vd., 1990, s.389). Fiziksel gö-rünüm, satış elemanının müşteriler üzerinde olumlu izlenim bırakmasına neden olan en önemli unsurlar-dan birisidir (Brown, 1990, s.19).

Satış elemanı seçimi, işe alma ve eğitim verme maliyetleri ile yüksek işgücü döngüsü nedeniyle önem-li bir konudur (Johnston ve Cooper, 1981, s.49). Satış elemanı seçiminde adaylar değerlendirilirken kul-lanılabilecek olan yöntemler başvuru formu, mülakat, referans ve testlerdir (Churchill vd., 1990, s.414).

Anadolu ÜniversitesiSosyal Bilimler Dergisi

188

Mülakat, %83’lük oran ile bu yöntemler içinde işletmeler tarafından en çok tercih edilen yöntemlerdenbirisidir (Ferris vd., 2002, s.359; Roe ve Berg, 2003, s.268). Mülakatın esas amacı, iş için en iyi olanaday veya adayları belirlemektir (Kirkwood ve Ralston, 1999, s.65). Diğer amaçları ise adayların özel-liklerinin iş için uygunluğunu değerlendirmek, sosyal yeteneklerini, tecrübelerini, bilgilerini belirlemekve adayları işletmeye çekmektir (Turban vd., 1998, s.24-25; Cron vd., 2005, s.132).

Satış elemanı seçimi, çoklu kriterler altında gerçekleştirilen bir grup kararı vermedir. Mülakatlarda gö-rüşmecilerin ya da diğer bir ifadeyle karar vericilerin birden fazla olması, pek çok karar kriterlerine gö-re çok sayıda adayın değerlendirilmesi, problemi Çok Kriterli Karar Verme (ÇKKV) yöntemleriyle çö-züme uygun hale getirmektedir. Dilsel ifadelerin değerlendirmelerde kullanılması sonucunda oluşan bu-lanık ortamlarda grup kararları vermeye olanak sağlayan ÇKKV yöntemlerinden birisi de Fuzzy TOP-SİS yöntemidir. Fuzzy TOPSİS yönteminin temelini, seçilen alternatifin pozitif ideal çözümden en ya-kın, negatif ideal çözümden ise en uzak mesafede olması oluşturur.

Pek çok durumda kesin ya da sayısal değerler gerçek yaşamı ifade etmekte yetersiz kalabilir. İnsan dü-şünce ve yargıları genellikle belirsizlik içerir ve bireylerin tercihlerini var/yok, evet/ hayır gibi kesin de-ğerlerle ifade etmek imkansızlaşabilir. Böyle durumlarda daha, biraz gibi insan yargı ve düşüncelerinibelirten dilsel ifadelerden yararlanılabilir. Fuzzy TOPSİS yöntemi, dilsel ifadelerle yapılan değerlendir-melere fuzzy sayılar yardımıyla üyelik fonksiyonu atar ve algoritması yardımıyla hesaplamalar yapar.

Fuzzy TOPSİS yöntemini tanıtmak ve satış elemanı adaylarının değerlendirilmesinde ve seçimine yar-dımcı olunmasında uygulanabilirliğini ortaya koymak amacıyla hazırlanan çalışma, üç bölümden oluş-maktadır. Çalışmanın sonraki bölümünde fuzzy kümeler ile dilsel ifadelerin tanımlarına ve özelliklerineyer verilmiştir. İkinci bölümde, Fuzzy TOPSİS yöntemin algoritması üzerinde durulmuştur. FuzzyTOPSİS yönteminde birkaç farklı algoritma söz konusu olup çalışmada Chen vd. (2005) tarafından ge-liştirilen algoritmadan bahsedilmiştir. Son bölümde ise satış elemanı adaylarının Fuzzy TOPSİS yönte-mi kullanılarak nasıl değerlendirildiği ortaya konulmuştur.

2. FUZZY KÜMELER VE DİLSEL İFADELERBu bölümde fuzzy kümelerin bazı temel özellikleriyle dilsel ifadelere değinilecektir. Bu kapsamdafuzzy sayılar ile yöntemde yararlanılması sebebiyle pozitif yamuk fuzzy sayılar ve özellikleri, fuzzymatris kavramı ile fuzzy sayılar arasındaki uzaklığın bulunmasında kullanılan vertex metodundan bahse-dilecektir.

2.1. Dilsel İfade (Dilsel Değişken)Dilsel ifade ya da dilsel değişken, değerleri anadildeki cümleler olan değişken ya da kelime ile kelimegruplarını sayılar gibi kullanan değişkendir (Zadeh, 1987a, s.109; Cebeci ve Beşkese, 2002, s.93). Dil-sel ifadelerden karmaşık olan ya da iyi tanımlanmamış durumları nicel olarak ifade etmede yararlanılır.Örneğin “ağırlık” dilsel bir ifadedir, değerleri çok, az, biraz vb. olabilir ve bu değerler fuzzy sayılarlaifade edilebilir (Chen vd., 2005, s.4-5).

2.2. Fuzzy Kümelerİnsanın kesin olmayan bilgiyi anlama ve analiz etme yeteneğinden yola çıkan Zadeh, kesinlik içerme-yen problemleri çözmek ve insan düşüncesinin anahtar elemanlarının sayılar değil dilsel ifadeler oldu-

189Şatış Elemanı Adaylarının Değerlendirilmesine ve Seçimine Yönelik Yeni Bir Yaklaşım: Fuzzy TOPSİS

ğu fikrini dayanak alarak fuzzy küme teorisini geliştirmiştir (Mao, 1999, s. 7; Chou ve Liang, 2001,s.378; Chen, 2001, s.66). Gündelik yaşamda pek çok yargıya belirsizlik altında varılır ve kesinlik yak-laşımıyla belirsizlik gerçekçi bir şekilde modellenemez. Ancak fuzzy kümeler bu modellemeyi yapabil-me özelliğine sahiptir. Kesin kümelerde yer alan evet/hayır, iyi/kötü, doğru/yanlış ifadeleri fuzzy küme-lerde yerini “kısmen doğru” ve “kısmen yanlış” gibi ifadelere bırakır (Kleyle vd., 1997, s.70). Fuzzy kü-me teorisi, insan algı ve öznel yargılarıyla ilgili belirsizliği modellerken nitel parametrelerin yorumlan-masını ve belirsizliğin matematiksel olarak ifade edilebilmesini de sağlar (Knight, 2001, s.17; Liang,2001, s.46; Cheng vd., 2002, s.981; Byrne, 1995, s.24).

2.2.1. Üyelik Derecesi ve Üyelik Fonksiyonu

Dilsel ifadelerin dilsel olgusunu açıklayan teknik sayı değerine üyelik derecesi denir (Hamitoğulları,1999, s.12). Üyelik derecesi sübjektif olarak belirlenir (Zadeh, 1987b, s.468). Sürekli bir değişken içinüyelik derecesi üyelik fonksiyonuyla ifade edilir (Hamitoğulları, 1999, s.12). Bir değişkenin üyelik de-recesini tanımlamak için kullanılan üyelik fonksiyonları, dilsel ifadelerden oluşan bir anlam grubudurve üyelik fonksiyonu ile gösterilir. Fuzzy küme teorisinin temelini oluşturan üyelik fonksiyonları,0 ile 1 arasında değişen üyelik derecelerine sahiptir (Kahya, 2003, s.24).

2.2.2. Konvekslik

x1,x2 ∈ X, λ ∈[0,1] için (λx1 + (1- λ)x2) ≥ min (x1), (x2)), (1)

eşitsizliğini sağlayan A fuzzy kümesi konvekstir. Diğer bir ifadeyle A’nın artan değerleri için üyelik de-ğerleri monoton artan veya azalan ya da önce monoton artıp sonra monoton azalan oluyorsa A kümesikonvekstir (Zadeh, 1965, s.347; Kaufmann ve Gupta, 1991, s.11; Karanfil, 1997, s.13).

2.2.3. Normallik

X’in en az bir elemanı için “1” üyelik değerini alan ya da diğer bir ifadeyle eşitliğinisağlayan A fuzzy kümesi normaldir (Kaufmann ve Gupta, 1991, s.12; Bandemer ve Gottwald, 1995,s.12; Karanfil, 1997, s.13).

2.2.4. Fuzzy Sayı

Normal ve konveks olan fuzzy kümeye fuzzy sayı denir (Kaufmann ve Gupta, 1991, s.14; Karanfil, 1997,s.13; Bandemer ve Gottwald, 1995, s.49). Dilsel ifadelere pozitif üçgen ya da yamuk fuzzy sayılarla üye-lik fonksiyonu verilerek sayısal değerlere dönüştürülür ve böylece hesaplamalarda kullanılabilir.

2.2.5. α−Kesim

fuzzy sayısının α-kesimi şöyle tanımlanır (Chen vd., 2005, s.4):

(2)n α = xi : μn (xi) ≥ a, xi ∈ X

n

maxχ ∈ X

μ ~A(χ) = 1

μAμAμA∀∀

μA


190

2.2.6. Pozitif Yamuk Fuzzy Sayı

Bir pozitif yamuk fuzzy sayı = (n1, n2, n3, n4,) şeklinde ifade edilir ve Şekil 1’deki gibi gösterilir.Üyelik fonksiyonu ise aşağıdaki gibi tanımlanır (Chen vd., 2005, s.4):

(3)

Şekil 1. Yamuk Fuzzy Sayı

2.2.7. Yamuk Fuzzy Sayılarda Yapılan Temel İşlemler

=(m1, m2,m3,m4) ve (n1,n2,n3,n4) ve pozitif yamuk fuzzy sayılar ve r pozitif bir reel sayı olmaküzere yamuk fuzzy sayılarla yapılan bazı temel işlemler şöyledir (Chen vd., 2005, s.4):

= [m1 + n1, m2 + n2, m3 + n3, m4 +n4 ] (4)

= [m1 - n4, m2 - n3, m3 - n2, m4 - n1 ] (5)

= [ m1r, m2r,m3r,m4r] (6)

= [m1 n1, m2 n2, m3n3, m4n4 ] (7)

2.2.8. Fuzzy Matris

En az bir elemanı fuzzy sayı olan matrise fuzzy matris denir (Chen, 2000, s.3). Fuzzy matris, için xij=(aij,bij,cij,dij) şeklindeki pozitif yamuk fuzzy sayılardan oluşan bir matristir ve aşağıdaki gibigösterilir:

(∀i, j)

m⊗n

m⊗r

mΘn

m⊕n

nm

μ~n

(x ) =

0,x < n1

x - n1n2 - n1

, n1 ≤ x ≤ n2

1, n2 ≤ x ≤ n3

x - n4n3 - n4

, n3 ≤ x ≤ n4

0,x < n4

n


)(~ xn

!

1

0 n1 n2 n3 n4 x

2.2.9. Vertex Metodu

=(m1, m2,m3,m4) ve (n1,n2,n3,n4) gibi iki pozitif yamuk fuzzy sayı arasındaki uzaklığı bulmak içinvertex metodundan yararlanılır. Vertex metodu kullanılarak iki pozitif yamuk fuzzy sayı arasındaki uzak-lık şöyle hesaplanır (Chen vd., 2005, s.5):

(8)

3. FUZZY TOPSİS YÖNTEMİBu bölümde Chen vd. (2005) tarafından geliştirilen Fuzzy TOPSİS yönteminin algoritmasına değinile-cektir. Satış elemanlarında bulunması gerektiği düşünülen niteliklerden oluşan karar kriterlerinin önemağırlıkları ve kriter değerleri, KV’ler tarafından dilsel ifadeler kullanılarak değerlendirilir. Dilsel ifade-lerle yapılan değerlendirmeleri hesaplamalarda kullanabilmek için de pozitif üçgen veya yamuk fuzzysayılardan faydalanılabilir. Çalışmada pozitif yamuk fuzzy sayılar kullanılmış olup KV’lerin karar kri-terlerini ve adayları değerlendirirken kullandıkları dilsel ifadeler ile bunların pozitif yamuk fuzzy sayı-lar olarak karşılıkları Tablo 1 ve Tablo 2’deki gibidir.

Tablo 1. Karar Kriterlerinin Değerlendirilmesinde Yararlanılan Dilsel İfadeler ve Yamuk Fuzzy SayıOlarak Karşılıkları

Tablo 2. Adayların Değerlendirilmesinde Yararlanılan Dilsel İfadeler ve Yamuk Fuzzy Sayı OlarakKarşılıkları

Örneğin herhangi bir karar kriterine ilişkin “Biraz Düşük” değerlendirmesinin pozitif yamuk fuzzy sa-yı olarak karşılığı (0.2,0.3,0.4,0.5)’tir. Üyelik fonksiyonu olarak ifadesi ise aşağıdaki gibidir:

dv (m, n) = 14 [ (m1 - n1)2 + (m2 - n2)2 + (m3 - n3)2 + (m4 - n4)2 ]

nm

x 11 x12 x1n

x 21 x 22 x 2n

x m1 x m2 x mn


192

Çok Yüksek (ÇY) (0.8,0.9,1,1)

Yüksek (Y) (0.7,0.8,0.8,0.9)

Biraz Yüksek (BY) (0.5,0.6,0.7,0.8)

Epeyce (E) (0.4,0.5,0.5,0.6)

Biraz Dü!ük (BD) (0.2,0.3,0.4,0.5)

Dü!ük (D) (0,0.2,0.2,0.3)

Çok Dü!ük (ÇD) (0,0,0.1,0.2)

Çok !yi (Ç!) (8,9,10,10)

!yi (!) (7,8,8,9)

Biraz !yi (B!) (5,6,7,8)

Epeyce (E) (4,5,5,6)

Biraz Kötü (BK) (2,3,4,5)

Kötü (K) (0,2,2,3)

Çok Kötü (ÇK) (0,0,1,2)

Jüri tarafından geçekleştirilen ve bir ÇKKV problemi olan satış elemanı seçiminde değerlendirmeninyapılabilmesi için şu unsurlara ihtiyaç duyulur (Chen vd., 2005, s.6-8):

• Karar vericiler (KV1,KV2,...,KVk)

• Adaylar (A1,A2,...,Am)

• Adayların değerlendirildiği karar kriterleri kümesi (K1,K2,...,Kn)

• Karar kriterleri bazında adayların değerlendirildiği kriter değerleri kümesi

k. KV’nin karar kriterleri bazında adaylara ve kriterlerin önem ağırlıklarına ilişkin yaptığı değerlendir-meler sırasıyla = (aijk, bijk cijk dijk) ve = (wij1, wij2, wij3, wij4) olsun (i=1,2,...,m; j=1,2,...,n). KV’le-rin kriterlere ilişkin adayları değerlendirmesiyle elde edilen fuzzy kriter değerleri (aij, bij, cij, dij) şeklin-de gösterilir. Burada,

(9)

formülleri yardımıyla hesaplanır.

Karar kriterlerinin önem ağırlıkları = (w1, w2, w3, w4) şeklinde gösterilir. Burada,

(10)formülleri kullanılarak hesaplanır.

Karar problemi matris formunda şöyle gösterilir:

Burada İJ= (aij, bij cij dij) ve J = (wj1, wj2, wj3, wj4) ve pozitif yamuk fuzzy sayılar olup fuzzy ka-rar matrisini, ise fuzzy ağırlıklar matrisini göstermektedir.

Karar kriterleri, fayda ve maliyet kriterleri olarak ikiye ayrılabilir. Dolayısıyla normalize edilmiş fuzzykarar matrisi şu şekilde elde edilir:

WDwx

D =

x 11 x 12 x 1n

x 21 x 22 x 2n

x m1 x m2 x mn

W = w1 w2 ... wn

wj1 = mink

wjk1 , wj2 = 1K ∑k=1

Kwjk2, wj3 = 1

K ∑k=1

Kwjk3, wj4 = max

kwjk4

w

aij = mink

aijk , bij = 1K ∑k=1

Kbijk, cij = 1

K ∑k=1

Kcijk, dij = max

kdijk

xwx


( )

!!!!

"

!!!!

#

$

>

%%&&

%%

%%&&

<

=

5.0,0

5.04.0,5.04.0

5.0

4.03.0,1

3.02.0,2.03.0

2.0

2.0,0

x

xx

x

xx

x

xBirazDüsük

'

(11) Burada B fayda kriterini, C ise maliyet kriterini göstermek üzere,

(12)

(13)

şeklinde bulunur.

Her bir karar kriteri farklı önem ağırlığına sahip olabileceği için ağırlıklı normalize edilmiş fuzzy kararmatrisinin belirlenmesine ihtiyaç duyulur. Bu matris;

i=1,2,...,m ; j=1,2,...,n (14)

şeklinde oluşturulur. Burada,

(15)

formülüyle hesaplanır.

Ağırlıklı normalize edilmiş fuzzy karar matrisinin belirlenmesinin ardından Fuzzy Pozitif İdeal Çözüm(FPİÇ, A*) ve Fuzzy Negatif İdeal Çözüm (FNİÇ, A-) şöyle belirlenir:

Burada i=1,2,...,m ve j=1,2,...,n olmak üzere,

dir.

dv (.,.) iki fuzzy sayı arasındaki uzaklığı göstermek üzere vertex metodu yardımıyla her bir adayın FPİÇve FNİÇ’ten olan uzaklıkları sırasıyla şöyle bulunur:

, i=1,2,...,m (16)

, i=1,2,...,m (17)

Uzaklıkların bulunmasının ardından adayların sıralamasını belirlemek için yakınlık katsayıları hesaplanır.Yakınlık katsayısı,

, i=1,2,...,m (18)

formülü yardımıyla hesaplanır ve yakınlık katsayılarına göre adaylar en yüksek puandan en düşük pua-na doğru sıralanır.

Verilen bilgiler ışığında yöntemin algoritması adım adım özetle şöyledir:

CCi = di-

di*+ di

-

di- = ∑

j=1

ndv ( vij, vj

-)

di* = ∑

j=1

ndv ( vij, vj

*)

vj*

= maxi

vij4 ve vj = mini

vij1

A - = (v1-

, v2-

, , vn-

)

A * = (v1*

, v2*

, , vn*

)

v ij = rij (.) wj

V = vij mxn

rij = aj-

dij, aj-

cij, aj-

bij, aj-

aij, aj- = min

iaij, j ∈ C,

rij = aij

dj*, bij

dj*, cij

dj*, dij

dj*

, dj* = max

idij, j ∈ B,

R = rijmxn


194

Adım 1: KV’lerden oluşan bir jüri oluşturulur ve karar kriterleri belirlenir.

Adım 2: Karar kriterleri ve adaylar dilsel ifadelerle değerlendirilir.

Adım 3: Değerlendirmenin ardından dilsel ifadeler pozitif yamuk fuzzy sayılara dönüştürülerekkriterlerin önem ağırlıklarından oluşan fuzzy ağırlıklar matrisi elde edilir.

Adım 4: Dilsel ifadeler pozitif yamuk fuzzy sayılara dönüştürülerek kriter değerlerinden oluşanfuzzy karar matrisi elde edilir.

Adım 5: Normalize edilmiş fuzzy karar matrisi elde edilir.

Adım 6: Ağırlıklı normalize edilmiş fuzzy karar matrisi elde edilir.

Adım 7: FPİÇ ve FNİÇ belirlenir.

Adım 8: Her adayın FPİÇ ve FNİÇ’ten olan uzaklıkları hesaplanır.

Adım 9: Her adayın yakınlık katsayısı bulunur.

Adım 10: Yakınlık katsayılarına göre adaylar sıralanır.

4. FUZZY TOPSİS YÖNTEMİYLE SATIŞ ELEMANI ADAYLARININ DEĞERLENDİRİLMESİFuzzy TOPSİS yönteminin işleyişine açıklık kazandırmak amacıyla ülkemizde perakendecilik sektörün-de faaliyet gösteren departmanlı bir mağazada satış elemanı adayları mülakata alınmıştır. Mülakatta altıaday (A1, A2, A3, A4, A5, A6) işletme müdürü, mağaza müdürü ve mağaza şefinden oluşan üç karar ve-rici (KV1, KV2, KV3) tarafından aşağıdaki karar kriterlerine göre değerlendirilmiştir:

(1) Ses Tonu (K1)

(2) Kibarlık (K2)

(3) Güler Yüzlülük (K3)

(4) Kendine Güven (K4)

(5) İş İçin İsteklilik (K5)

(6) İfade Yeteneği (K6)

(7) Fiziksel Görünüm (K7)

Karar kriterlerine hem literatürden yararlanarak hem de mağaza yöneticilerinin görüşlerine başvurarakkarar verilmiştir. Karar probleminin hiyerarşik yapısı Şekil 2’de gösterildiği gibi olup yöntem adımadım şöyle özetlenebilir:


Şekil 2. Karar Probleminin Hiyerarşik Yapısı

Adım 1: KV’ler Tablo 1’deki dilsel ifadeleri kullanarak karar kriterlerini değerlendirirler. Değerlendir-meler Tablo 3’te gösterilmiştir.

Tablo 3. KV’lerin Karar Kriterlerini Dilsel İfadelerle Değerlendirmesi

KVi: i’inci Karar VericiKi: i’inci Karar KriteriÇY: Çok Yüksek, Y: Yüksek, BY: Biraz Yüksek

Adım 2: KV’ler Tablo 2’deki dilsel ifadeleri kullanarak adayları karar kriterlerine göre değerlendirirler.Değerlendirmeler Tablo 4’te gösterilmiştir.


196

Amaç

1K

2K

3K

4K

5K

6K 7

K

1A

6A

K1 K2 K3 K4 K5 K6 K7

KV1 Y Y Y Y BY Y Y

KV2 ÇY ÇY ÇY BY Y Y ÇY

KV3 Y ÇY Y BY ÇY ÇY Y

Tablo 4. KV’lerin Satış Elemanı Adaylarını Dilsel İfadelerle Değerlendirmesi

Çİ: Çok İyi, İ: İyi, Bİ: Biraz İyi, E: Epeyce, BK: Biraz Kötü, K: KötüKVi: i’inci Karar Verici

Adım 3: Değerlendirmenin ardından dilsel ifadeler pozitif yamuk fuzzy sayılara dönüştürülür. (9) numa-ralı formül kullanılarak fuzzy karar matrisi elde edilir. Fuzzy karar matrisi Tablo 5’te verilmiştir.


Kriterler Adaylar KV1 KV2 KV3

A1 E E E

A2 ! ! B!

A3 B! B! !

A4 Ç! Ç! Ç!

A5 ! ! !

K1

A6 ! Ç! B!

A1 E E BK

A2 K K K

A3 BK E E

A4 ! Ç! Ç!

A5 Ç! Ç! !

K2

A6 B! ! !

A1 ! ! !

A2 B! ! B!

A3 Ç! Ç! !

A4 B! E E

A5 E BK BK

K3

A6 K BK E

A1 ! ! E

A2 Ç! ! !

A3 E E E

A4 ! ! !

A5 BK K K

K4

A6 ! E E

A1 Ç! ! !

A2 E E B!

A3 B! B! B!

A4 ! B! !

A5 Ç! Ç! !

K5

A6 K K K

A1 B! B! !

A2 ! B! !

A3 E ! B!

A4 ! Ç! Ç!

A5 E E E

K6

A6 ! E B!

A1 Ç! ! !

A2 ! ! B!

A3 Ç! ! Ç!

A4 E B! B!

A5 BK K K

K7

A6 B! B! E

Tablo 5. Fuzzy Karar Matrisi

Ki: i’inci Karar KriteriAi: i’inci Aday

Adım 4: (10) numaralı formül kullanılarak fuzzy ağırlıklar matrisi elde edilir. Fuzzy ağırlıklar matrisiTablo6’da gösterilmiştir.

Tablo 6. Fuzzy Ağırlıklar Matrisi

Ki: i’inci Karar Kriteri

Adım 5: Normalize edilmiş fuzzy karar matrisi (11),(12),(13) numaralı formüller kullanılarak ve fuzzy ka-rar matrisi yardımıyla elde edilir. Normalize edilmiş fuzzy karar matrisi Tablo 7’de gösterilmiştir.

Tablo 7. Normalize Edilmiş Fuzzy Karar Matrisi



198

K1 K2 K3 K4A1 (4.0, 5.0, 5.0, 6.0) (2.0, 4.3, 4.7, 6.0) (7.0, 8.0, 8.0, 9.0) (4.0, 7.0, 7.0, 9.0)

A2 (5.0, 7.3, 7.7, 9.0) (0.0, 2.0, 2.0, 3.0) (5.0, 6.7, 7.3, 9.0) (7.0, 8.3, 8.7, 10.0)

A3 (5.0, 6.7, 7.3, 9.0) (2.0, 4.3, 4.7, 6.0) (7.0, 8.7, 9.3, 10.0) (4.0, 5.0, 5.0, 6.0)

A4 (8.0, 9.0, 10.0, 10.0) (7.0, 8.7, 9.3, 10.0) (4.0, 5.3, 5.7, 8.0) (7.0, 8.0, 8.0, 9.0)

A5 (7.0, 8.0, 8.0, 9.0) (7.0, 8.7, 9.3, 10.0) (2.0, 3.7, 4.3, 6.0) (0.0, 2.3, 2.7, 5.0)

A6 (5.0, 7.7, 8.3, 10.0) (5.0, 7.3, 7.7, 9.0) (0.0, 3.3, 3.7, 6.0) (4.0, 6.0, 6.0, 9.0)

K5 K6 K7A1 (7.0, 8.3, 8.7, 10.0) (5.0, 6.7, 7.3, 9.0) (7.0, 8.3, 8.7, 10.0)

A2 (4.0, 5.3, 5.7, 8.0) (5.0, 7.3, 7.7, 9.0) (5.0, 7.3, 7.7, 9.0)

A3 (5.0, 6.0, 7.0, 8.0) (4.0, 6.3, 6.7, 9.0) (7.0, 8.7, 9.3, 10.0)

A4 (5.0, 7.3, 7.7, 9.0) (7.0, 8.7, 9.3, 10.0) (4.0, 5.7, 6.3, 8.0)

A5 (7.0, 8.7, 9.3, 10.0) (4.0, 5.0, 5.0, 6.0) (0.0, 2.3, 2.7, 5.0)

A6 (0.0, 2.0, 2.0, 3.0) (4.0, 6.3, 6.7, 9.0) (4.0, 5.7, 6.3, 8.0)

K1 (0.70, 0.83, 0.87, 1.00)

K2 (0.70, 0.87, 0.93, 1.00)

K3 (0.50, 0.67, 0.73, 0.90)

K4 (0.50, 0.67, 0.73, 0.90)

K5 (0.50, 0.77, 0.83, 1.00)

K6 (0.70, 0.83, 0.87, 1.00)

K7 (0.70, 0.83, 0.87, 1.00)

K1 K2 K3 K4

A1 (0.40, 0.50, 0.50, 0.60) (0.20, 0.43, 0.47, 0.60) (0.70, 0.80, 0.80, 0.90) (0.40, 0.70, 0.70, 0.90)

A2 (0.50, 0.73, 0.77, 0.90) (0.00, 0.20, 0.20, 0.30) (0.50, 0.67, 0.73, 0.90) (0.70, 0.83, 0.87, 1.00)

A3 (0.50, 0.67, 0.73, 0.90) (0.20, 0.43, 0.47, 0.60) (0.70, 0.87, 0.93, 1.00) (0.40, 0.50, 0.50, 0.60)

A4 (0.80, 0.90, 1.00, 1.00) (0.70, 0.87, 0.93, 1.00) (0.40, 0.53, 0.57, 0.80) (0.70, 0.80, 0.80, 0.90)

A5 (0.70, 0.80, 0.80, 0.90) (0.70, 0.87, 0.93, 1.00) (0.20, 0.37, 0.43, 0.60) (0.00, 0.23, 0.27, 0.50)

A6 (0.50, 0.77, 0.83, 1.00) (0.50, 0.73, 0.77, 0.90) (0.00, 0.33, 0.37, 0.60) (0.40, 0.60, 0.60, 0.90)

K5 K6 K7

A1 (0.70, 0.83, 0.87, 1.00) (0.50, 0.67, 0.73, 0.90) (0.70, 0.83, 0.87, 1.00)

A2 (0.40, 0.53, 0.57, 0.80) (0.50, 0.73, 0.77, 0.90) (0.50, 0.73, 0.77, 0.90)

A3 (0.50, 0.60, 0.70, 0.80) (0.40, 0.63, 0.67, 0.90) (0.70, 0.87, 0.93, 1.00)

A4 (0.50, 0.73, 0.77, 0.90) (0.70, 0.87, 0.93, 1.00) (0.40, 0.57, 0.63, 0.80)

A5 (0.70, 0.87, 0.93, 1.00) (0.40, 0.50, 0.50, 0.60) (0.00, 0.23, 0.27, 0.50)

A6 (0.00, 0.20, 0.20, 0.30) (0.40, 0.63, 0.67, 0.90) (0.40, 0.57, 0.63, 0.80)

Adım 6: Ağırlıklı normalize edilmiş fuzzy karar matrisi, normalize edilmiş fuzzy karar matrisi ve fuzzyağırlıklar matrisi yardımıyla, (14) ve (15) numaralı formüller kullanılarak elde edilir. Bu matris Tablo8’de verilmiştir.

Tablo 8. Ağırlıklı Normalize Edilmiş Fuzzy Karar Matrisi


Adım 7: FPİÇ ve FNİÇ değerlerine ağırlıklı normalize edilmiş fuzzy karar matrisine göre karar verilir.Buna göre FPİÇ ve FNİÇ değerleri sırasıyla,

= [(1,1,1,1), (1,1,1,1), (0.9,0.9,0.9,0.9), (0.9,0.9,0.9,0.9), (1,1,1,1), (1,1,1,1), (1,1,1,1)]

= [(0.28, 0.28, 0.28, 0.28), (0,0,0,0), (0,0,0,0), (0,0,0,0), (0,0,0,0),(0.28, 0.28, 0.28, 0.28),(0,0,0,0), şeklinde belirlenir.

Adım 8: Her adayın FPİÇ ve FNİÇ’ten olan uzaklıkları (16) ve (17) numaralı formüller yardımıyla he-saplanır. Uzaklıklar Tablo 9’da gösterilmiştir.

Tablo 9. FPİÇ ve FNİÇ’ten Olan Uzaklıklar

Ai : i’inci Adayd : i’inci Adayın FPİÇ’ten Olan Uzaklığıd : i’inci Adayın FNİÇ’ten Olan Uzaklığı

Adım 9: Her adayın yakınlık katsayıları (18) numaralı formül kullanılarak bulunur.

Adım 10: Yakınlık katsayılarına göre adaylar sıralanır. Yakınlık katsayıları ve adayların sıralamaları Tab-lo10’da gösterilmiştir.

A -

A*


K1 K2 K3 K4

A1 (0.28, 0.42, 0.43, 0.60) (0.14, 0.38, 0.44, 0.60) (0.35, 0.53, 0.59, 0.81) (0.20, 0.47, 0.51, 0.81)

A2 (0.35, 0.61, 0.66, 0.90) (0.00, 0.17, 0.19, 0.30) (0.25, 0.44, 0.54, 0.81) (0.35, 0.56, 0.64, 0.90)

A3 (0.35, 0.56, 0.64, 0.90) (0.14, 0.38, 0.44, 0.60) (0.35, 0.58, 0.68, 0.90) (0.20, 0.33, 0.37, 0.54)

A4 (0.56, 0.75, 0.87, 1.00) (0.49, 0.75, 0.87, 1.00) (0.20, 0.36, 0.42, 0.72) (0.35, 0.53, 0.59, 0.81)

A5 (0.49, 0.67, 0.69, 0.90) (0.49, 0.75, 0.87, 1.00) (0.10, 0.24, 0.32, 0.54) (0.00, 0.16, 0.20, 0.45)

A6 (0.35, 0.64, 0.72, 1.00) (0.35, 0.64, 0.72, 0.90) (0.00, 0.22, 0.27, 0.54) (0.20, 0.40, 0.44, 0.81)

K5 K6 K7

A1 (0.35, 0.64, 0.72, 1.00) (0.35, 0.56, 0.64, 0.90) (0.49, 0.69, 0.75, 1.00)

A2 (0.20, 0.41, 0.47, 0.80) (0.35, 0.61, 0.66, 0.90) (0.35, 0.61, 0.66, 0.90)

A3 (0.25, 0.46, 0.58, 0.80) (0.28, 0.53, 0.58, 0.90) (0.49, 0.72, 0.81, 1.00)

A4 (0.25, 0.56, 0.64, 0.90) (0.49, 0.72, 0.81, 1.00) (0.28, 0.47, 0.55, 0.80)

A5 (0.35, 0.66, 0.78, 1.00) (0.28, 0.42, 0.43, 0.60) (0.00, 0.19, 0.23, 0.50)

A6 (0.00, 0.15, 0.17, 0.30) (0.28, 0.53, 0.58, 0.90) (0.28, 0.47, 0.55, 0.80)

d*

id!

i

A1 3.19 3.60

A2 3.45 3.37

A3 3.27 3.55

A4 2.72 4.09

A5 3.72 3.05

A6 3.80 3.08

Tablo 10. Adayların Yakınlık Katsayıları ve Sıralamadaki Yerleri

Ai: i’inci AdayCCi: i’inci Adayın Yakınlık Katsayısı

Yakınlık katsayıları büyükten küçüğe doğru CC4> CC1> CC3> CC2> CC5> CC6 şeklinde olduğu içinsatış elemanı adayları A4> A1> A3> A2> A5> A6 olarak sıralanır. Diğer bir ifadeyle Fuzzy TOPSİS yön-temi kullanılarak yapılan değerleme sonucunda dördüncü aday ilk sırada, altıncı aday ise son sırada yeralmıştır.

5. SONUÇNitelikli satış elemanları, işletmelerin başarılı olmalarında rol oynayan en önemli etmenlerdendir. Bunedenle satış elemanlarının taşıması gereken özellikleri göz önünde bulundurarak yapılacak bir seçim,işletmeler açısından oldukça önemlidir. İnsan kaynağını seçme sürecinde yararlanılan mülakatlarda, ka-rar vericiler satış elemanı adaylarını değerlendirirken değerlendirmelerini sayısal olarak değil, kişiselyargı ve düşüncelerini yansıtan dilsel ifadelerle yapmaktadırlar. Değerlendirmelerin sözel olarak yapıl-ması nedeniyle dilsel ifadeler, karar vermeye yardımcı olan ve günümüzde de faydalanılan çoğu yön-temde (doğrusal programlama vb.) kullanılamamaktadır.

Çalışmada, dilsel ifadeleri pozitif yamuk fuzzy sayılarla ifade eden ve kendine özgü algoritmasında kul-lanarak grup kararı vermeye yardımcı olan Fuzzy TOPSİS yöntemi ayrıntılı olarak ortaya konulmuştur.Bu bağlamda perakendecilik sektöründe faaliyetini sürdüren departmanlı bir mağazada işletme yöneti-cilerinden oluşan jüri, satış elemanı adaylarıyla mülakat gerçekleştirmiştir. Karar vericiler hem ses to-nu, kibarlık, güler yüz, kendine güven, iş için isteklilik, ifade yeteneği ve fiziksel görünüm karar kriter-lerini hem de adayları bu karar kriterlerine göre değerlendirmişlerdir. Kibarlık, yedi karar kriteri içindekarar vericilerin en önemli gördükleri karar kriteri olmuştur. Fuzzy TOPSİS yönteminin her karar kri-terinin farklı önem düzeyine sahip olabileceğini dikkate alan bu özelliği, yöntem kullanılarak yapılandeğerlendirme sonuçlarının daha gerçekçi olmasına imkan tanımaktadır. Dilsel ifadelerle yapılan değer-lendirmeler daha sonra pozitif yamuk fuzzy sayılara dönüştürülmüş, Fuzzy TOPSİS yönteminin algo-ritmasında kullanılarak adayların puanları anlamına da gelen yakınlık katsayıları hesaplanmış ve satış ele-manı adayları, yakınlık katsayılarına göre sıralanmışlardır. Değerlendirme sonucunda, mülakata dördün-cü sırada alınan adayın yakınlık katsayısı en büyük olduğu için bu aday en başarılı aday, altıncı sırada alı-nan adayın yakınlık katsayısı ise en küçük olduğu için bu aday en başarısız aday olarak belirlenmiştir.Hesaplanan yakınlık katsayıları incelendiğinde adayların yakınlık katsayılarının dar bir aralıkta (0.44-0.60) yer aldığı ve yakınlık katsayıları birbirine çok yakın olan adayların (birinci aday ile üçüncü aday,beşinci aday ile altıncı aday) olduğu görülmektedir. Adayların niteliklerinin birbirine çok yakın olduğuve karar vermenin daha da güçleştiği böyle durumlarda Fuzzy TOPSİS yönteminin daha doğru ve etkinkararlar vermeye yardımcı olabileceği böylelikle ortaya konulmuştur. Çalışma ayrıca, Fuzzy TOPSİS


200

Adaylar CCn

Sıralamadaki Yeri

A1 0.5302 2.

A2 0.4938 4.

A3 0.5207 3.

A4 0.6006 1.

A5 0.4502 5.

A6 0.4479 6.

yönteminin satış elemanı adaylarının değerlendirilmesinde ve işe alınacaklara karar verilmesine yardım-cı olunmasında bir karar aracı olarak kullanılabileceğini göstermiştir.

Fuzzy TOPSİS yönteminin uygulama alanının sadece insan kaynağı seçme sürecinde adayları değerlen-dirmek ve seçimine yardımcı olmak olmadığını belirtmek gerekir. Fuzzy TOPSİS yöntemi, dilsel ifade-lerle değerlendirmenin söz konusu olduğu, alternatiflerin çok sayıda karar kriterine göre değerlendiril-diği ve grup kararı verilmesini gerektiren işletmenin diğer alanlarında da (yönetim ve organizasyon, pa-zarlama, finans vb.) kullanılabilir.

KAYNAKÇAAldemir, C., Ataol, A. ve Budak, G. (2001). İnsan Kaynakları Yönetimi, Fakülteler Kitapevi Barış

Yayınları, İzmir.

Bandemer, H. ve Gottwald, S. (1995). Fuzzy Sets, Fuzzy Logic, Fuzzy Methods with Applications,John Wiley & Sons Ltd., England.

Blackman, M. C. (2002). Personality Judgment and The Utility of The Unstructured EmploymentInterview, Basic and Applied Social Psychology 24 (3), 241-250.

Brown, S. P. (1990). Use of Closed Influence Tactics by Salespeople: Incidence and Buyer Attributions,Journal of Personal Selling & Sales Management 10, 17-29.

Byrne, P. (1995). Fuzzy Analysis a Vague Way of Dealing With Uncertainty in Real Estate Analysis,Journal of Property Valuation &Investment 13 (3), 22-41.

Cebeci, U. and Beşkese, A. (2002). An Approach to the Evaluation of Quality Performance of theCompanies in Turkey, Managerial Auditing Journal 17 (1), 92-100.

Chen, C. T., Lin, C. T. and Huang, S. F. (2005). A Fuzzy Approach for Supplier Evaluation andSelection in Supply Chain Management, International Journal of Production Economies, 1-13.

Chen, C. T. (2000). Extensions of the TOPSIS for Group Decision-Making under Fuzzy Environment,Fuzzy Sets and Systems 114, 1-9.

Chen, C. T. (2001). A Fuzzy Approach to Select the Location of the Distribution Center, Fuzzy Setsand Systems 118, 65-73.

Cheng, S., Chan, C. W. and Huang, G. H. (2002). Using Multiple Criteria Decision Analysis forSupporting Decisions of Solid Waste Management, Journal of Environment Science Health 37(6), 975-990.

Chou, T. Y. and Liang, G. S. (2001). Application of A Fuzzy Multi-Criteria Decision Making Model forShipping Company Performance Evaluation, Maritime Policy & Management 28 (4), 375-392.

Churchill, G. A., Ford, N. M. and Walker, O. C. (1990). Sales Force Management: Planning,Implementation and Control, Irwin, USA.

Cron, W. L., Marshall, G. W., Singh, J., Spiro, R. L. and Sujan, H. (2005). Salesperson Selection,Training and Development: Trends, Implications and Research Opportunities, Journal of PersonalSelling & Sales Management 25 (2), 123-136.


Erdoğan, İ. (1999). Başarılı Satış İçin Temel Satıcı Davranışları, İstanbul Ticaret Odası Yayın No: 1999-11, İstanbul.

Ferris, G. R., Berkson, H. M. and Harris, M. M. (2002). The Recruitment Interview ProcessPersuasion and Organization Reputation Promotion in Competitive Labor Markets, HumanResource Management Review 12, 359-375.

Hamitoğulları, H. C. (1999). Fuzzy Çok Amaçlı Optimizasyon Yöntemiyle Portföy Seçimi, YüksekLisans Tezi, Marmara Üniversitesi, Sosyal Bilimler Enstitüsü.

Johnston, W. and Cooper, M. C. (1981). Industrial Sales Force Selection: Current Knowledge andNeeded Research, Journal of Personal Selling & Sales Management, 49-57.

Kahya, E. (2003). İnsangücü Seçiminde Bulanık Uzman Sistemler Yardımı ile İş Başvuru FormlarınınDeğerlendirilmesi, Erciyes Üniversitesi, Sosyal Bilimler Enstitüsü, Kayseri.

Karanfil, S. (1997). Fuzzy Lojik Problemlerinde Üyelik Fonksiyonunun Belirlenmesinde DeneyselVerilere Dayanarak Bir Yöntem Geliştirilmesi, Yıldız Teknik Üniversitesi, Fen BilimleriEnstitüsü, İstanbul.

Kaufmann, A. and Gupta, M. M. (1991). Introduction to Fuzzy Arithmetic Theory and Applications,Van Nostrand Reinhold, New York.

Kirkwood, W. G. and Ralston, S. M. (1999). Inviting Meaningful Applicant Performances inEmployment Interviews, The Journal of Business Communication 36 (1), 55-76.

Kleyle, R., Korvin, A. D. and Karim, K. (1997). Investing in New Companies in an UnstableEconomic Environment: A Fuzzy Set Approach, Managerial Finance.23 (6), 68-80.

Knight K. G. (2001). A Fuzzy Logic Model for Predicting Commercial Building Design CostOverruns, Master of Science, University of Alberta, Construction Engineering and Management,Canada.

Korkmaz, S. ve Cop, R. (1999). Kadın ve Erkek Satış Elemanları Arasındaki Etiksel Farklılıklar, 4.Ulusal Pazarlama Kongresi, Hatay, 280-289.

Lee, S. and Dubinsky, A. J. (2003). Influence of Salesperson Characteristics and Customer Emotionon Retail Dyadic Relationships, Distribution and Consumer Research 13 (1), 21-36.

Liang, Y. (2001). Dynamic Strategic Planning and Justification Systems for Advanced ManufacturingTechnology Acquisition, Master of Science, University of Windsor, Faculty of Graduate Studiesand Research, Canada.

Mao, H. (1999). Estimating Labor Productivity Using Fuzzy Set Theory, Master of Science, Universityof Alberta, Construction Engineering and Management, Canada.

Öner, M. (1999). İşe Alma ve Yerleştirmede Yönetici ve İnsan Kaynakları Uzmanının El Kitabı, HayatYayıncılık, İstanbul.

Roe, R. A. and Berg, P. T. V. (2003). Selection in Europe: Context, Developments and ResearchAgenda, European Journal of Work and Organizational Psychology 12 (3), 257-287.


202

Sharma, A. (2001). Consumer Decision-Making, Salespeople’s Adaptive Selling and RetailPerformance, Journal of Business Research 54, 125-129.

Soysal, S. (2000). Mağazacılık: Mükemmel Müşteri Hizmeti ve Etkili Satış Teknikleri, Remzi Kitapevi,İstanbul.

Taşkın, E. (1987). Satışçıların Yönetimi, DER Yayınları, İstanbul.

Taşkın, E., Bir, A. A.(Ed.) (1995). Satışçı Yönetimi, Anadolu Üniversitesi Yayın No: 400, Eskişehir.

Turban, D., Forret, M. L. and Hendrickson, C. L. (1998). Applicant Attraction to Firms: Influencesof Organization Reputation, Job and Organizational Attributes and Recruiter Behaviors, Journalof Vocational Behavior 52, 24-44.

Zadeh, L. A. (1965). Fuzzy Sets, Information and Control 8, 338-353.

Zadeh, L. A. (1987a). Outline of a New Approach to the Analysis of Complex Systems and DecisionProcess, Fuzzy Sets and Applications: Selected Papers by L.A. Zadeh, Ed.: R.R. Yager, S.Ovchinnikov, R.M. Tong, H.T. Nguyen, John Wiley & Sons Publishing, Canada, 105-146.

Zadeh, L. A. (1987b). A Fuzzy Set Theoretic Interpretation of Linguistic Hedge, Fuzzy Sets andApplications: Selected Papers by L.A. Zadeh, Ed.: R.R. Yager, S. Ovchinnikov, R.M. Tong, H.T.Nguyen, John Wiley & Sons Publishing, Canada, 467-498.


ANADOLU ÜNİVERSİTESİ SOSYAL BİLİMLER DERGİSİ ANADOLU ... · Kendine güven kapsamında...

Documents

Transcript of ANADOLU ÜNİVERSİTESİ SOSYAL BİLİMLER DERGİSİ ANADOLU ... · Kendine güven kapsamında...